[PYTHON] Lernen ohne Lehrer 1 Grundlagen

Aidemy　2020/10/28

Einführung

Hallo, es ist ja! Ich bin eine knusprige Literaturschule, aber ich war an den Möglichkeiten der KI interessiert, also ging ich zur AI-spezialisierten Schule "Aidemy", um zu studieren. Ich möchte das hier gewonnene Wissen mit Ihnen teilen und habe es in Qiita zusammengefasst. Ich freue mich sehr, dass viele Menschen den vorherigen zusammenfassenden Artikel gelesen haben. Vielen Dank! Dieses Mal wird es ein Beitrag des unbeaufsichtigten Lernens sein. Freut mich, dich kennenzulernen.

• Dieser Artikel ist eine Zusammenfassung dessen, was Sie in "Aidemy" "in Ihren eigenen Worten" gelernt haben. Es kann Fehler und Missverständnisse enthalten. Bitte beachten Sie.

Was diesmal zu lernen ・ Über das Lernen ohne Lehrer ・ Arten des unbeaufsichtigten Lernens ・ Mathematische Vorkenntnisse

Lernen ohne Lehrer

Was ist unbeaufsichtigtes Lernen?

• Beim überwachten Lernen wird das Lernen durch eine "Antwort" durchgeführt, die als Klassenbezeichnung bezeichnet wird. Beim nicht überwachten Lernen wird diese Antwort jedoch nicht bestanden und der Computer selbst beurteilt und lernt. ・ Dieses Mal lernen wir __ "Clustering" __ und __ "Hauptkomponentenanalyse" __ in diesem unbeaufsichtigten Lernen kennen.

Clustering

-Clustering ist eine __- Methode, die __data in Chunks (Cluster) unterteilt. -Eine der Clustering-Methoden __ "k-means-Methode" __ ist, dass __ Personen die Anzahl der Cluster __ bestimmen und der Computer die Daten so aufteilt, dass die Anzahl gleich ist. -In der k-means-Methode wird das Lernen so durchgeführt, dass die Position eines Punktes, der als "Schwerpunkt" bezeichnet wird, angemessen ist, und darauf basierend wird eine Clusterbildung durchgeführt.

Hauptkomponentenanalyse

• Die Hauptkomponentenanalyse ist eine __ Methode, die die Dimensionen von __ Daten reduziert (Dimensionsreduktion) und Informationen in einem Diagramm zusammenfasst. -In der Hauptkomponentenanalyse wird die (Hauptkomponenten-) Achse gelernt und bestimmt, die insbesondere die Eigenschaften der Daten angibt.
• Zum Beispiel wird eine Achse aus drei verschiedenen Daten von "Alter, Größe und Gewicht" definiert und in einem zweidimensionalen Diagramm in Form von "persönlichen Daten" dargestellt.

Vorkenntnisse in unbeaufsichtigtem Lernen

Euklidische Entfernung

・ Der Koordinatenabstand zwischen zwei Punkten (x1, x2) und (y1, y2) im zweidimensionalen Raum beträgt \sqrt{(x_1-y_1)^2+(x_2-y_2)^2} Erhältlich bei. ・ In ähnlicher Weise beträgt der Abstand zwischen zwei Punkten (x1, x2 ... xn), (y1, y2 ... yn) im n-dimensionalen Raum \sqrt{(x_1-y_1)^2+(x_2-y_2)^2+...+(x_n-y_n)^2} Wird von benötigt. Dieser Abstand wird als __Euklidischer Abstand (Norm) __ bezeichnet.

・ Sie können den euklidischen Abstand mit NumPy wie folgt ermitteln. (__np.linalg.norm () __ steht für "Summe der Quadrate in ()")

Kosinusähnlichkeit

-Wenn bewertet wird, wie ähnlich zwei Vektoren sind, wird dies anhand der Ähnlichkeit zwischen __ "Länge" und "Richtung" __ beurteilt. ・ Wenn man sich auf die Richtung konzentriert, kann man sagen, dass die Ähnlichkeit umso höher ist, je kleiner der Winkel __ „θ“ __ ist, der durch die beiden Vektoren erzeugt wird. ・ Als Methode zur Gewinnung von θ die Formel des inneren Produkts von Vektoren\vec{a} \cdot \vec{b} = |\vec{a}|\, |\vec{b}| \, \mathrm{cos}\thetaEs kann durch Entwickeln von cos & thgr; gefunden werden. Über diese Methode__"Kosinusähnlichkeit"__Das ist. ・ In Bezug auf cosθ zu diesem Zeitpunkt ist zu beachten, dass θ umso kleiner ist, je größer der Wert von __cosθ ist. -Auch die Kosinusähnlichkeit entspricht auch n-dimensionalen Daten.

-Im Code kann er von NumPy berechnet werden. (__np.dot () __ steht für "die Summe der Produkte jedes Elements" (1 * 2 + 2 * 3 + 3 * 4 im Folgenden))

Zusammenfassung

・ Lernerloses Lernen __ ist eine Methode, bei der der Computer selbst beurteilt und lernt, ohne das richtige Antwortetikett zu übergeben. -Es gibt " Clustering " und " Hauptkomponentenanalyse __" für unbeaufsichtigtes Lernen. Ersteres ist eine Methode zum Aufteilen von Daten in Cluster, und letzteres ist eine Methode zum Aggregieren von Informationen in einem Diagramm durch Reduzieren der Dimensionen.

• Beim unbeaufsichtigten Lernen kann die Datenähnlichkeit anhand von "__ Euklidischer Abstand (Norm) " oder " Kosinusähnlichkeit __" beurteilt werden.

Diese Zeit ist vorbei. Vielen Dank für das Lesen bis zum Ende.